Вжух-вжух, и ты в ловушке🪄

Привет! После небольшого перерыва пришел к вам с рассказом о том, в какие ловушки можно попасть, если обращаться с аналитикой неаккуратно.

1️⃣Манипулятивные метрики
Однажды американский банк Wells Fargo принял решение всерьез взяться за развитие перекрестных продаж и установил для сотрудников план продаж дополнительных продуктов к основным потребностям клиента (например открытие кредитной карты при создании депозитного счета). Однако топ-менеджмент не предусмотрел изобретательность своих сотрудников в погоне за премией.

Работники банка стали открывать продукты, которыми никто никогда не пользовался, часто даже без ведома клиентов. Расходы на обслуживание продуктов росли, а доходы с них - нет. Через какое-то время все вскрылось и многих сотрудников уволили за манипуляции. Но всего этого могло и не случиться, если бы целевая метрика шла в паре в контр-метрикой или цель лежала глубже по воронке.

2️⃣ Смешанные причина, следствие и корреляция
В начале текущего года по инфополю пронеслось несколько новостей о колоссальном росте в 2024 году суммы начисленных штрафов и пеней по ним. Вполне ожидаемо, что многие СМИ связали это с ростом числа нарушителей. Ведь логично, что, раз растут штрафы, то во всем виноват рост числа недобросовестных граждан?

Ну… не совсем. За последние два года ключевая ставка выросла почти в три раза, а вместе с ней выросли и проценты по пеням, а также суммы многих штрафов, зависимых от ключевой ставки. Итого - не всегда сонаправленное движение двух показателей говорит о наличии между ними связей.

3️⃣ Парадокс Симпсона
В 70-е он привел к большой шумихе вокруг университета Беркли. При анализе конверсий в поступление выяснилось, что мужчины принимались на обучение значительно чаще женщин (из подавших документы мужчин поступали 44% против 35% подавших документы женщин). На лицо дискриминация по половому признаку?

Снова нет. Детальный разбор по факультетам показал: женщины чаще подавали заявки на гиперконкурентные направления с низким процентом зачисления, тогда как мужчины чаще подавались на более крупные и менее конкурентные направления. Это и создало парадокс Симпсона: агрегированные данные исказили реальную картину. Абсолюты же поступивших были приблизительно сопоставимы, как и конверсии в группах мужчин и женщин по отдельным факультетам.

Мораль сей басни - если вы проводите декомпозицию какой-либо метрики, важно учитывать не только сами метрики компонентов, но и их веса.

Ставьте реакции, если интересно читать о примерах подобных аналитических ловушек в жизни. Всем хорошей рабочей недели!

Про собесы

Всем привет, на связи data dreamen!

Рано или поздно каждый аналитик (да и вообще любой специалист) сталкивается со сменой работы – будь то ротация внутри компании или переход в другую. Это всегда ответственный и довольно стрессовый шаг, особенно когда дело касается собеседований. Я находился по обе стороны – и проходил отборы сам, и собеседовал кандидатов. Сегодня хочу поделиться несколькими личными наблюдениями и мыслями на эту тему.

1️⃣ Начинать проходить собеседования лучше не с тех компаний, в которые вы хотите больше всего
Собесы – это тоже навык, который после длительной паузы ухудшается. Стартовав с топа своего списка желаемых работодателей, вы рискуете столкнуться с вопросами и темами, которые подзабыли / недостаточно повторили. Пройдя же пару-тройку интервью вы прокачаете свою “собесную мышцу” и станете чувствовать себя намного увереннее.

2️⃣ Не стоит принимать результаты на личный счет
Далеко не всегда на результат собеседования влияют именно навыки и личные качества кандидата. В данном процессе существует много субъективности и внештатных ситуаций. Возможно, вы проходили отбор на позицию уходящего сотрудника, и вас уже готовы были брать, но вдруг тот самый сотрудник, которому искали замену, передумал увольняться. Или, например, из-за пересмотра плана развития продукта / остановки инвестиций в конкретный проект резко останавливают и найм. Тогда отказ является лишь результатом того, что кандидат оказался не в то время не в том месте.

3️⃣ Отказ – это далеко не всегда плохо
Отсутствие оффера часто обосновывается не тем, что кандидат слабее / хуже, чем ожидается на этой роли – он может просто не подходить под нее, и это нормально. И гораздо лучше получить отказ, чем выйти на новое место и разочароваться. В моем опыте был случай, когда мы при поиске отказали очень мотивированному и амбициозному кандидату, потому что понимали, что не сможем предложить ему задачи, соответствующие его уровню и ожиданиям. То есть, возможно, всё наоборот - кандидат просто слишком хорош, а нанимающая команда (к счастью) сознательна =)

4️⃣ Используйте доступное время интервью на максимум
Собеседование – это не только выбор работодателем кандидата, но и выбор кандидатом своего будущего места работы (которое, кстати, занимает более трети времени нашего времени бодрствования, а в пересчете с учетом ночных “еще немного и спать”.... ну, вы поняли). Так что точно стоит использовать собесы, особенно финальные этапы, как возможность узнать о команде получше. Более того, нестандартные и интересные вопросы выделяют конкретного кандидата среди остальных и показывают, что он неравнодушен и проактивен.

Ну а вообще, любое собеседование – это лишь одна из множества попыток, и попасть в компанию мечты не с первого раза – это нормально. А иногда отказ и вовсе подарок судьбы: возможно, впереди ждет позиция сильно интереснее, и на пути к ней важно не свернуть с тропинки раньше, чем задумано =)

Накроет ли нас всех волной инфляции

Всем привет! Давненько меня тут не было, исправляюсь.

Периодически я вспоминаю, что по образованию экономист, сегодня как раз такой день – хочу поговорить о насущном, причем не только для аналитиков. Думаю, вы в последнее время много слышали (и, скорее всего, преимущественно негативного) о ключевой ставке, которая на текущий момент составляет рекордные 21%. 🚀

Ключевая ставка — это минимальный процент, под который коммерческие банки могут привлечь средства от Центрального банка.

Соответственно, чем она выше, тем “дороже” заемные деньги, так как бизнесу и физическим лицам кредиты выдаются под проценты даже выше, чем ключевая ставка (коммерческий банк включает в них свою маржу). Положительная сторона высокой ключевой ставки — выгодные депозиты, доходность которых тоже растет (потому что банки конкурируют за вкладчиков, чтобы было из чего выдавать кредиты).🤑

❓На что влияет высокая ключевая ставка?
Если обобщать, то она призвана заставить население и бизнесы меньше тратить и больше сберегать. Дорогие кредиты приводят к снижению потребительского и инвестиционного спроса, так как покупать становится условно не на что, из-за чего компании могут начать снижать цены или замедлять их рост, чтобы стимулировать продажи на фоне падающего спроса. Также снижению количества свободных денег в экономике способствует рост депозитов: домохозяйства и бизнесы несут свои сбережения в банки под хорошие ставки вместо того, чтобы тратить их, что приводит к тому же снижению спроса со всеми вытекающими.

🤑К чему это привело нас сегодня?
Из-за того, что проценты по вкладам выросли до рекордно высоких значений, выросла и их привлекательность. Вклады стали самым интересным вариантом инвестиций, так как стабильные 20% годовых с таким уровнем надежности больше нигде не найти.

Люди стали откладывать покупки, отказываться от инвестиций в альтернативные инструменты (фонды, акции, недвижимость и т. д.). В итоге по состоянию март 2025 на депозитах скопилась колоссальная сумма в 58 трлн рублей (x2 с декабря 2023 года), которая продолжает расти как за счет выплат процентов (за год при ставке 20% сумма вырастет до 70 трлн рублей), так и за счет новых поступлений от населения.

🚀А что дальше?
Вы дочитали до самого интересного. Итак, логично, что высокая ставка не может быть зафиксирована долго, и рано или поздно начнется ее снижение. Это приведет к тому, что вклады перестанут быть такими привлекательными, и люди понесут накопленные средства на рынок (и вряд ли на фондовый) – станут осуществлять те самые отложенные покупки. А это, в свою очередь, может вызвать новый всплеск инфляции.

🧐При этом мне, как аналитику, не имея на руках всех данных, сложно сформулировать исчерпывающие выводы. Для полноценного анализа требуется понимать, у какой части населения сконцентрированы эти 58 трлн. рублей: возможно, наибольшая часть средств сконцентрирована у малой доли населения, которая не сможет оказать влияния на цены, а может нет — и если доля населения существенна, то риски нового разгона инфляции велики. В любом случае, в ситуации такого долгого сохранения высокой ставки наша экономика еще не оказывалась, поэтому прецедентов для сравнения нет. Посмотрим, к чему это приведет.

Если интересны посты на околоэкономические и финансовые темы – ставьте 🦄.

Кузен ошибки выжившего или как разум игнорирует базовую вероятность

👋 Всем привет! Надеюсь, вы отлично провели выходные и открыты к философским рассуждениям, потому что сегодня я хочу обсудить тему мышления и статистики.
❓ Сталкивались ли вы когда-нибудь с тем, что люди принимают решения и аргументируют их, используя лишь несколько известных примеров?

- «Стив Джобс стал миллиардером без образования — значит, и я могу не учиться».
- «Троечники в итоге устраиваются в жизни лучше отличников. Вон, наш одноклассник Васька теперь бизнесмен, а Катька работает продавщицей, хотя была первой зубрилой в классе».

Думаю, что-то подобное вы точно когда-нибудь слышали. Люди любят фокусировать внимание на особенных случаях — миллиардерах, рок-звёздах, инфлюенсерах. Однако с точки зрения статистики такие случаи часто являются выбросами (ну или "хвостами распределения" далеко за пределами трёх сигм, как угодно).

На ум сразу приходит хорошо известная ошибка выжившего — фокус только на тех, кто «выжил» или добился успеха, а не на тех, кто потерпел неудачу. Такое когнитивное искажение широко известно, и этот пост, на самом деле, не о нём, ведь рядом кроется еще одно, менее известное искажение - ошибка базового процента.

Такая ошибка - особенность мышления человека, когда сталкиваясь с какой-либо статистикой о некоторым событии (базовым процентом) и специфической информацией об этом событии (чьи-то истории, личный опыт), он имеет склонность игнорировать первое и фокусироваться на втором. Отличие от ошибки выжившего, в том, что она фокусируется на результатах, а ошибка базового процента — на вероятностях и деталях ситуации.

✈️ Например, довольно известен факт, что самолеты статистически самый безопасный транспорт, но боязнь полетов распространена сильнее, чем боязнь любых других видов транспорта. То же самое со страхом вакцинации, микроволновок, ГМО и т.д.

Все эти размышления наталкивают на ряд жизненных выводов:

1️⃣Во-первых, любое личное представление, если оно не основано на большой выборке, скорее всего, искаженное. Стоит всегда держать это в голове и не отказываться от шансов и возможностей, даже если личные небольшие наблюдения говорят об их бесперспективности. И наоборот - не заблуждаться в историях про успешных успех, если они основаны примерно на двух случаях.

2️⃣Во-вторых, применимо к продукту и аналитике, способ хакнуть систему все-таки есть. Коммуницируя какие-то выводы и вероятности, важно правильно выбирать фокус: “в 1% случаев модель ошибается” и “в 99% модель делает правильный вывод” - два разных посыла. Плохое, хоть и маловероятное, бросается в глаза и запоминается. Так же как, например, прочитанная пользователем история о мошенничестве на площадке
въедается в память с такой силой, что никакая статистика о безопасности, качестве модерации и прочего не переубедит его. И вы снова и снова будете слышать “а вот сына маминой подруги обманули…”

А на десерт - немного статистики 📊
- Вероятность погибнуть в авиакатастрофе ~0.0000125% (1 шанс на 8 миллионов полётов), а вероятность погибнуть в ДТП, на секундочку, в 1500 раз выше
- Вероятность встретить в лесу медведя ~0,5% (сильно зависит от региона, но крайне мала при соблюдении элементарной осторожности).
- Вероятность пострадать в результате падения с кровати ~ ~0.00008%
- Вероятность встретить динозавра… низкая, но никогда не равна нулю😉